Harness Engineering 快速指南

AI Ontology = Model + Agent + Harness

AI 本体，是指当我们谈论 AI 时的那个实体概念。它到底是什么？我的定义是它应该包含三个部分：Model 大模型，这是 “CPU-计算” 的部分；Agent 智能体，这是 “主板-硬件环境” 的部分；Harness 工程，这是 “BIOS-软件协议” 的部分。它们合起来就成为了我们脑子里面的那个具体的 AI 实体，就像我们现在说起计算机一样，它成为了一个整体的可被直接感知的概念。

MDD (Methodology-Driven Development) : 方法论驱动开发

有别于传统的直接使用方法论的工程实践（比如 TDD 或者 DDD 的实践）。在 AI 时代，我们需要工程升维：通过创造或者设计一套可以去执行方法论的系统环境，然后让 AI Agent 在其中得以运行并完成任务的现代化的工程实践。这要求一种 创设 方法论的方法论，目前我们称为 Harness Engineering。但其实本质上，这个问题空间要包含得更广阔。我用一种称为 方法论驱动 的方式：即，凡是先从 方法论 的创建和应用出发，就是希望能启发式的引导我们新的开发实践，尽可能的去探索那个问题空间所对应的广阔的解决方案空间。AI，让我们人类基于 方法论 编程成为可能！

多层环境空间

Agent 执行体有一个空间：.agent；
Agent 管理规划者有一个空间: .supervision；
外部环境有一个空间: .outside；
在这三者空间交融的地方有一个空间: .stub。

.agent — 执行层

在执行层面，既有控制平面：规范、指南、条件约束、设计、需求等等所有关于这个项目的细节，这些都是 AI 具体开展工作所必要的知识生产资料；也有执行平面：工作单元、执行计划、工作手册、交互用例等等在具体执行过程中要使用或消耗的生产性资料。

.supervision — 管理层

就像企业管理一样，为了让执行可控高效的完成任务，我们需要做 管理。我称之为 治理结构 - Harness。

管理的职责就是：

• 拆解任务，比如使用敏捷过程的 Backlog 管理模式；
• 分配角色，比如指定 前端开发，后端开发，集成测试工程师等等职能角色，给它们赋予职责描述和工作范围；
• 构建工作流，比如提案工作流，工作单元调度工作流等等；
• 归纳和总结项目知识，并内化成 Agent 的 Skill；
• 工件（Artifact）管理，把工作流的每一步输入和产出物工件化，定义好管理过程；

可能还有更复杂的多任务编排等等职能。但大体上，它要负责生成 执行层 的工作单元，并 指派 某个 开发角色 去具体执行、完成和报告整个任务工作的情况。你可以发现 开发角色 没有分析任务的过程，因为这些应该在管理层面就已经被解决了，这是其中的关键！

.outside — 外部环境

管理层的任务一定来自外部的输入，比如人类的 Prompt（提示词）。但它也可以是另一个 Agent 或者一个 Service Call。

纯粹人类输入和使用的部分都应该只放入这个空间。你当然可以让 AI 辅助你生产某些资料，但记住这些不是给项目使用的，而是给 你 自己使用的。所有的会影响到项目的东西，都已经被 super 管理层 包裹住了。

.stub — 通讯桩空间

在人类、AI 与 项目 之间还有一些沟通、讨论、交流的一段过程。这里就是用来存放那些信息的。比如 AI 执行过程中的日志，人类与AI的一次探索文档化输出等等。这里的空间是多维共治的。通过这个 draft 的空间，成熟稳定后才能通往 product 空间。